如何在R中检测数据列连续缺失值并关联PERIOD列筛选？

需求说明 #

处理数据集的DAYS列，找出缺失的DAYS编号，但需遵循以下规则：

• 若两行DAYS之间的连续缺失值数量 +1 等于后一行的PERIOD值，则排除该区间的所有缺失值；
• 不满足上述条件的缺失值则保留。

示例：

• DAYS=163和165之间缺失164（缺失数=1），后一行PERIOD=2（1+1=2），因此排除164；
• DAYS=170和172之间缺失171（缺失数=1），后一行PERIOD=1（1+1≠1），因此保留171。

示例数据集前28行 #

DAYS PERIOD
146 1
147 1
148 1
149 1
150 1
151 1
152 1
153 1
154 1
155 1
156 1
157 1
158 1
159 1
160 1
161 1
162 1
163 1
165 2
166 1
167 1
168 1
169 1
170 1
172 1
173 1
174 1
175 1

已完成步骤 #

你已完成以下代码，生成预期DAYS序列并初步找出缺失值：

# 生成预期的DAYS序列
expected_days <- seq(min(hs$DAYS), max(hs$DAYS))
# 找出初步缺失的DAYS值
missing_days <- setdiff(expected_days, hs$DAYS)

后续规则筛选实现 #

以下代码完成规则筛选，得到最终需要保留的缺失DAYS：

# 计算相邻DAYS的差值，标记存在缺失的行
hs$days_diff <- c(NA, diff(hs$DAYS))

# 筛选出存在缺失的行（差值>1的行，对应缺失区间的后一行）
missing_intervals <- hs[hs$days_diff > 1, ]

# 初始化需要排除的缺失值列表
exclude_days <- c()

# 遍历每个缺失区间，判断是否需要排除缺失值
for (i in 1:nrow(missing_intervals)) {
  prev_day <- missing_intervals$DAYS[i] - missing_intervals$days_diff[i]
  curr_day <- missing_intervals$DAYS[i]
  # 计算当前区间的缺失天数
  missing_count <- curr_day - prev_day - 1
  
  # 检查是否符合排除规则：缺失数+1 == 后一行的PERIOD
  if (missing_count + 1 == missing_intervals$PERIOD[i]) {
    # 生成该区间的所有缺失值，加入排除列表
    exclude_days <- c(exclude_days, seq(prev_day + 1, curr_day - 1))
  }
}

# 从初步缺失值中去掉需排除的，得到最终保留的缺失DAYS
final_missing_days <- setdiff(missing_days, exclude_days)

代码说明 #

1. diff(hs$DAYS)计算相邻DAYS的差值，差值>1说明两行之间存在缺失；
2. 对每个缺失区间，计算缺失天数，判断是否满足“缺失数+1=后一行PERIOD”的规则；
3. 将符合规则的缺失值加入排除列表，最后通过setdiff得到最终需要保留的缺失DAYS。

内容的提问来源于stack exchange，提问作者Shamim